条件概率
贝叶斯公式
重要程度：10 分
<div>
<h2>贝叶斯公式</h2>
<p>贝叶斯公式是条件概率中的一个重要公式，用于在已知某些条件下计算另一事件的概率。其数学表达式如下：</p>
<div style="background-color: #f0f8ff; padding: 10px;">
<p><strong>P(A|B) = P(B|A) * P(A) / P(B)</strong></p>
</div>
<p>其中，P(A|B) 表示在事件 B 发生的条件下事件 A 发生的概率。</p>
<p>P(B|A) 表示在事件 A 发生的条件下事件 B 发生的概率。</p>
<p>P(A) 表示事件 A 发生的先验概率。</p>
<p>P(B) 表示事件 B 发生的先验概率。</p>
<h3>例题说明</h3>
<p>假设有一个医疗测试用来检测一种罕见疾病，这种疾病的患病率为1%。如果一个人患有此病，那么测试结果为阳性的概率为95%；如果一个人没有患病，那么测试结果为阴性的概率也为95%。</p>
<p>现在，一个随机选择的人接受了测试，并且测试结果为阳性。我们需要计算这个人实际上患病的概率。</p>
<div style="background-color: #f0f8ff; padding: 10px;">
<p>设 A 表示患病，B 表示测试结果为阳性。</p>
<ul>
<li>P(A) = 0.01 (患病的概率)</li>
<li>P(¬A) = 0.99 (未患病的概率)</li>
<li>P(B|A) = 0.95 (患病时测试结果为阳性的概率)</li>
<li>P(¬B|¬A) = 0.95 (未患病时测试结果为阴性的概率)</li>
<li>P(B|¬A) = 0.05 (未患病时测试结果为阳性的概率)</li>
</ul>
<p>根据全概率公式，我们可以计算 P(B)：</p>
<p>P(B) = P(B|A) * P(A) + P(B|¬A) * P(¬A)</p>
<p>= 0.95 * 0.01 + 0.05 * 0.99</p>
<p>= 0.059</p>
<p>因此，患病的实际概率 P(A|B) 可以通过贝叶斯公式计算：</p>
<p>P(A|B) = P(B|A) * P(A) / P(B)</p>
<p>= 0.95 * 0.01 / 0.059</p>
<p>≈ 0.161</p>
</div>
<p>所以，即使测试结果为阳性，这个人实际患病的概率只有约16.1%。</p>
</div>